ChinesePersonRelationGraph, person relationship extraction based on nlp methods.中文人物关系知识图谱项目,内容包括中文人物关系图谱构建,基于知识库的数据回标,基于远程监督与bootstrapping方法的人物关系抽取,基于知识图谱的知识问答等应用。

将知识图谱作为辅助信息引入到推荐系统中，可以有效地增强推荐系统的学习能力，提高推荐系统的精准度和用户满意度。针对知识图谱上的偏好传播问题，提出一种基于知识图谱用户偏好传播的实体推荐模型，目的是在传播偏好的同时兼顾传播强度，提高推荐效果。通过提取不同特定属性的基本特征控制用户偏好在知识图谱上的传播强度，然后根据每个用户的历史偏好传播强度在知识图谱上迭代计算，得到用户—项目对的偏好传播模型，最终通过排序学习进行top N推荐。最后，在三个不同类型数据集上的对比实验验证该模型算法的有效性。实验证明，在偏好传播的同时控制传播强度可以很好地提升推荐系统的准确率、召回率以及F1值，同时具有很强的灵活性和可解释性。

完整英文电子版 JEDEC JESD94B：2015 Application Specific Qualification Using Knowledge Based Test Methodology（使用基于知识的测试方法进行特定应用资格认证）。 本文档中描述的方法适用于具有已知故障机制的固态设备的所有特定于应用程序的可靠性测试，其中测试持续时间和条件会根据应用程序变量而变化。 本文档不涵盖基于特性的可靠性测试或本质上通过/不通过类型的测试，例如，ESD，闩锁或电气过应力。 此外，它并没有尝试涵盖每种故障机制或测试环境，但确实提供了可以扩展到其他故障机制和测试环境的方法。 本文档的目的是提供一种方法，用于根据固态设备在现场预期会遇到的使用条件来开发特定应用的可靠性评估方法。 假定与被测试产品相关的故障机制和模型是已知实体。

对于变压器的保护使用深度学习的方法

基于知识图谱的医学诊断系统。Medical Diagnosis System Based on Knowledge Map.

这个项目的代码基于这个红楼梦项目的 。现在只实现了all_relation.html 所有人物关系页面的部分，代码也比较乱，之后我会慢慢整理这个项目的，试图创建一个知识图谱来教程方便大家学习。 <!--|-index.html 欢迎界面 --> <!--|-search.html 搜索人物关系页面--> <!--|-all_relation.html 所有人物关系页面--> <!--|-KGQA.html 人物关系问答页面--> <!--|-config.py 配置参数--> <!--|-create_graph.py 创建知识图谱，图数据库的建立--> <!--|-query_graph.py 知识图谱的查询--> <!--|-ltp.py 分词、词性标注、命名实体识别--> <!--|- get_*.py

基于知识图谱的推荐系统项目完整代码 数据集在data文件夹下 数据集为txt模式，分为训练集、验证集以及测试集

基于知识的系统的模糊Petri网建模的等效生成算法

基于知识图谱的问答系统 -- SpringBoot整合Neo4j开发问答系统 PS：资源的下载积分会随下载次数自动增加越来越多，如果您积分不够的话可以私信我重置下载分数

复旦大学知识图谱培训ppt2：基于知识图谱的搜索与推荐